基于引入禁忌表的改进遗传算法的地区电网无功优化

针对实际地区电网建立多目标无功功率优化模型,在标准遗传算法的基础上加入分阶段适应度函数、自适应交叉变异率等改低碳输电系进,并引入禁忌搜索算法的禁忌表技术,设置相似度条件,以此为核心对某地区电网进行无功优化计算,通过改进前后算法比较可知,该算法收敛性能理想,爬山能力良好,计算时间较短.     

基于引入禁忌表的改避遗传算法的地区电网无功优化

针对实际地区电网建立多目标无功功率优化模型,在标准遗传算法的基础上加入分阶段适应度函数、自适应交叉变异率等改低碳输电系进,并引入禁忌搜索算法的禁忌表技术,设置相似度条件,以此为核心对某地区电网进行无功优化计算,通过改进前后算法比较可知,该算法收敛性能理想,爬山能力良好,计算时间较短。     

配电网开关优化配置的改进遗传算法

提出了配电网开关优化配置的改进遗传算法.为提高遗传算法的计算速度和收敛效率,采取了以下改进措施:①给出初始种群的生成模型,提高初始种群的适应值;②对染色体进行分段遗传操作,以保证各类开关设备能同步优化;③提出模糊变异的实现方法,以利于优质基因遗传并避免局部最优化;④提出最优染色体的变异机制,以提高算法局部搜索能力.将该算法应用于RBTS-Bus6和实际系统并与普通遗传算法进行比较,结果表明该算法在收敛速度和全局收敛性上均优于普通遗传算法.     

遗传算法在蒸汽参数优化中的应用及改进

蒸汽运行参数对机组经济性有较大的影响。以机组蒸汽参数优化为研究内容,针对非线性优化目标的特点,提出了采用遗传算法优化的新思路;并对遗传算法的解码方式、适应度函数、选择和变异方式进行了改进,使得参与遗传算法运算的所有个体都是可行解,大大减少了搜索中的无效操作,优化了搜索路径,有效地提高了遗传算法求解的效率和质量。算例表明:改进遗传算法的收敛性更好、适应性更强,能更有效地达到或接近全局最优。     

遗传算法在水库（群）优化调度研究中的应用综述

介绍了遗传算法在水库（群）优化调度中的应用背景及算法的收敛性,讨论了水库（群）优化调度中遗传算法的基本应用步骤以及存在的问题,给出了算法的各种改进方法,并对遗传算法的应用前景进行了展望。     

基于混沌遗传算法的水电站优化调度模型及应用

利用混沌运动的遍历性、随机性和规律性等特点,提出了一种求解水电站水库优化调度问题的基于浮点数编码的混沌遗传(CGA)算法。该算法的思想是采用混沌优化进行改善初始种群质量和利用混沌退化变异算子代替常规算法中的变异算子,避免搜索过程陷入局部极值。与动态规划、常规遗传算法进行比较,文中实例计算结果表明,该算法计算速度快、收敛性好,提高了常规遗传算法的收敛速度和优化效果。     

改进自适应遗传算法用于电力系统无功优化

为了克服自适应遗传算法早熟现象和改善收敛速度,在自适应遗传算法中引入二次变异操作。考虑到遗传操作后存在大量相同个体,捡出这些重复的个体进行二次变异,产生邻近的个体,这种方法不仅避免了重复计算而且增强了算法局部搜索能力,并且改善了算法的收敛性。通过对IEEE30节点系统进行计算测试,验证了该算法的合理性和可行性。     

基于方向自学习遗传算法的水库优化调度

本文提出一种方向自学习遗传算法并用于水库优化调度问题.在传统遗传算法基础上引入方向自学习机制,克服标准遗传算法收敛速度慢,早熟收敛等缺点.该算法在局部搜索中引入方向信息,利用函数的伪梯度来指导搜索方向,提出一种消亡算子用以增加种群多样性,有效地避免了早熟收敛、提高了算法的收敛速度,避免了水库优化调度同题中的维数灾问题.实例计算表明,相对于传统的遗传算法,方向自学习遗传算法计算速度快、收敛性好,提高了计算效率,较好的解决了传统遗传算法求解水库优化调度时存在的一些问题.     

基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法。该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度。以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性。     

基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法.该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度.以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性.     

水电系统短期经济运行的新方法

水电系统的短期发电量最大问题是一大型、动态、有时滞的非线性约束优化问题。针对标准遗传算法的缺陷,提出一种基于实数编码技术的混沌遗传算法用于求解此问题。该算法根据给定个体概率分布函数构造杂交算子,结合混沌和人工神经网络理论,设计了一种混沌变异算子,使算法能有效维持群体多样性,防止和克服进化中的“早熟”现象,对约束条件采用不需要设置惩罚因子的直接比较罚函数方法加以处理。仿真算例验证了该算法在提高解的精度和加快收敛速度方面都有明显改善。     

Chaotic self-adaptive differential harmony search algorithm based dynamic economic dispatch

Dynamic economic dispatch (DED) is one of the main optimization problems in electrical power system operation and control. DED problem is a non-smooth and non-convex problem when valve point effect, ramp-rate limits and prohibited operating zones of generation units are taken into account. This paper proposes an efficient chaotic self-adaptive differential harmony search (CSADHS) algorithm to solve the complicated DED problem in the presence of valve point effect, ramp-rate limits and prohibited operating zones constraints. In the proposed algorithm, chaotic self-adaptive differential mutation operator is used instead of pitch adjustment operator in the harmony search (HS) algorithm, to enhance the searching performance to find the quality solution. The effectiveness of the proposed algorithm is demonstrated on 10, 15 and 30 unit systems for a period of 24 h. The simulation results obtained by the proposed algorithm are compared with the results obtained, using differential harmony search (DHS) algorithm, chaotic differential harmony search (CDHS) algorithm, and also with the results of other methods available in the literature. In terms of solution quality, the proposed algorithm is found to be better than other algorithms and in terms of speed of convergence, standard deviation of generation cost, and computational time, the proposed algorithm is better than DHS and CDHS algorithm.     

基于混沌进化算法的梯级水电系统短期发电计划

提出一种求解梯级水电系统短期发电计划问题的新方法－混沌杂交进化算法（CHEA）。该算法将混沌序列与进化算法有机结合在一起,同时采用浮点数编码并构造一种新的自适应误差反向传播变异算子,从而有效抑制了进化算法的“早熟”现象和收敛速度慢等缺陷,仿真计算结果表明,该方法可以求解具有复杂约束条件的非线性优化问题,算法求解精度高,收敛速度快,从而为水电系统的短期发电计划问题提供了一种有效的方法。     

输电铁塔结构动力学形状优化研究

以获取最大基频为目标,使用遗传算法对输电铁塔进行了形状优化。鉴于传统遗传算法在求解复杂优化问题时存在早熟和稳定性差的缺点,提出一种新的适应性策略,包括新的选择机制的设计以及动态交叉、变异概率的选取,提高了算法的性能,并针对自主优化程序容易出现的几个问题,给出了解决方案。最后通过一个108杆的塔架算例证明本文方法行之有效。     

基于改进微粒群算法的梯级水库群优化调度

为了进一步增强微粒群算法的优化性能,提出了一种改进微粒群算法,并将其用于求解梯级水库群的优化调度.该算法引进了类似遗传算法的交叉和变异算子来提高搜索效率,其中交叉是微粒在解空间中的位置以一定的概率随机进行算术交叉,变异是微粒以一定的概率随机使速度矢量的某一维分量变为0.为了加速收敛,初始微粒群生成时采用了有条件的随机自动生成方式,并利用惩罚函数法来处理边界条件和其它非等式约束.实例计算结果表明,改进微粒群算法具有比常规动态规划法和常规微粒群算法更快的计算速度,且优化调度结果比较满意.     

基于模糊自适应模拟退火遗传算法的配电网故障定位

对于配电网故障定位系统的不足与遗传算法存在易早熟、收敛速度慢等问题,结合模糊推理和自适应模拟退火遗传算法,提出一种模糊自适应模拟退火遗传算法(FASAGA)。该算法对评价函数做了容错性改进,在遗传选择时采用自适应机制与最佳个体保留策略,并结合模糊推理与自适应机制求取模糊自适应交叉算子、模糊自适应变异算子,引入模拟退火算法提高收敛速度与局部搜索能力。仿真结果说明该算法应用在配电网故障定位中的准确性、快速性与高容错性。     

多样性引导的改进量子粒子群优化算法及其在干式空心电抗器优化设计中的应用

针对量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法在求解复杂问题时的早熟收敛现象,提出了多样性引导的改进量子粒子群优化(diversity-guided modified QPSO,DGMQPSO)算法。该算法对基于混合概率分布的QPSO算法进行了扩展,利用群体多样性信息来引导粒子的搜索,即当群体的多样性小于下限值时,对全局最优粒子的位置进行混沌变异,从而提高群体的多样性,增强算法跳出局部最优解的能力;另外,还分析了采用不同混沌随机序列变异对优化设计结果的影响。对50 kvar干式空心电抗器的优化设计表明,DGMQPSO算法具有较强的全局搜索能力、较好的稳定性和良好的优化效果。     

基于混合粒子群优化算法的电力系统无功优化

应用粒子群优化算法(PSO)求解电力系统无功优化问题,提出基于混沌搜索的混合粒子群优化算法,以克服PSO容易早熟而陷入局部最优解的缺点。该算法引入了基于群体适应度方差的早熟判断机制,当算法陷入早熟时,利用混沌运动的遍历性、随机性和规律性等特性,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换群体中的一个粒子,从而提高了PSO的寻优特性。通过对IEEE 14、IEEE 30、IEEE 118等标准测试系统进行无功优化,并与遗传算法、标准PSO进行比较,表明该算法具有更高的搜索效率和更好的全局优化能力。     

进化规划方法的综合改进及其在电力系统无功优化中的应用

提出了一种应用于电力系统无功优化的综合改进进化规划方法。分析了传统进化规划方法存在解易早熟和收敛慢等不足的主要原因,并对传统方法的变异算子和选择算子提出了综合改进。提出新的策略参数控制方案改进变异算子,同时在选择算子中引入了Metropolis判别准则。为验证改进方法的正确性和有效性,以IEEE 30节点系统为例进行了仿真,结果表明文中提出的方法与传统方法相比能更好地避免解的早熟并使算法具有更快的收敛速度,适用于无功优化计算。